从验收走向分阶段扩容

物流行业的具身智能项目，最尴尬的瞬间往往不在展台，而在传送带真正转起来之后。演示时机器人稳稳抓起一个纸箱，台下掌声刚落，现场来了一件软包装的异形件，它可能就愣住了。这不是说机器人不行，而是项目验收的尺子从一开始就量错了地方。

很多验收还停留在“动作是否完成”的阶段，盯着机械臂能不能抓、能不能放。可在真实的物流现场，真正值钱的不是单次动作的精度，而是系统能不能扛住一整段连续流程。包裹形状会变、摆放会歪、来料节奏会忽快忽慢，偶尔还会出错。验收对象应该从“机器人动作”改成“现场任务”，看的是从包裹进入传送带、被识别分流，到异常处理和任务结束的完整闭环。只要其中一个环节频繁依赖人工，系统就还不算具备独立运行能力。

判断的标准也得跟着调整。展台演示通常会把物体、位置和节奏控制在容易处理的范围内，现场验收则要看连续来料中的表现。这里的关键不是某个动作完成得多漂亮，而是系统在连续运行中是否出现明显的等待、漏抓、误抓、重复判断或频繁停机。任务成功率的定义也要抠细：包裹抓起来但放错位置，不能算完整成功；抓取后需要工作人员重新摆正，也不该与机器人自主完成等量齐观。验收记录至少要区分任务完成、分拣正确、需要人工修正和任务失败几类结果，否则一个漂亮的数字很可能掩盖真实的运营成本。

包裹的多样性是另一个容易被低估的变量。硬纸箱、软包装、扁平件和不规则物体，在重量、表面材质、重心和可抓取位置上差异很大。如果验收样本尺寸接近、摆放整齐，测到的更多是系统对预设场景的适配程度，而不是环境适应能力。更有意义的做法，是按现场业务划分包裹类型，观察系统遇到变化时的判断方式：目标不适合直接抓取时，它能否识别出来？目标被遮挡或倾斜时，是重新选择抓取位置，还是直接转人工？“无法处理”并不一定代表失败，对于高风险或不确定目标，主动暂停并发出明确请求，可能比强行抓取更可靠。真正需要验收的，是系统能否及时识别不确定性、采取安全动作，并让现场人员知道下一步该做什么。

异常恢复能力往往比单次动作精度更接近实际使用价值。正常流程只能展示系统“会做什么”，异常流程才能说明系统“出了问题怎么办”。验收可以覆盖几类常见现场情况：目标不在预期位置、抓取失败、包裹移动中偏移、放置位置被占用、连续任务中出现暂时无法判断的目标。判断异常恢复时，不只看机器人能否重新尝试，还要看它是否会陷入重复动作。一次合理的重试、重新规划或安全暂停，和连续重复失败有本质区别。恢复过程最好单独记录时间和人工动作，因为“最后完成任务”并不等于“系统具备恢复能力”——如果每次异常都需要工作人员重新摆放包裹、手动清空设备状态，再由机器人重新开始，这部分成本仍然属于项目运行成本。

人工介入成本也不该只统计次数。一次几秒钟的确认，与一次需要停止传送带、重新整理包裹并检查设备状态的介入，对现场的影响完全不同。判断时要同时看频率、单次处理复杂度和对流程的影响。值得留意的是，机器人能准确报告“不确定”并主动请求协助，未必是负面结果；相反，在不确定时强行执行，可能造成错分、损坏包裹甚至安全风险。验收应区分主动请求协助和错误动作后的被动补救，前者体现了系统的边界管理，后者则可能意味着感知或规划仍不稳定。

把任务成功率、异常恢复、环境适应和人工介入成本放在同一张记录表里，比压缩成一个单一分数更能看出系统的真实短板。四个维度之间还要结合起来看：系统可能在规则包裹上成功率很高，但遇到不规则目标就频繁请求人工；也可能识别能力不错，却在连续运行时因异常恢复不顺畅造成流程积压。单独看某一项，很容易得到片面的结论。

如果项目在受控环境中表现良好，但在不同包裹和连续运行条件下明显退化，不宜直接宣布失败，也不应立即扩大部署。更稳妥的做法是根据问题类型缩小任务边界，明确哪些目标由机器人处理、哪些情况转交人工，再继续验证系统在这个边界内是否稳定。反过来，即使机器人能完成多种包裹的抓取，也要确认异常处理和人员协作是否跟得上，因为规模化部署放大的不只是任务数量，还有少量错误、停顿和人工介入对整体流程的影响。

从演示走向物流现场，验收标准本质上是从“能不能做”转向“能否持续做、出错后能否恢复、变化时是否可控，以及企业是否承担得起人工成本”。把这些放到传送带、包裹和连续运行的真实场景中去观察，才更接近项目能否落地的答案。